[dev] rename reflect to reflection

memory_scope/memory/worker/summary/get_reflection_prompt.yaml

@@ -1,4 +1,4 @@
-get_reflect_system:
+get_reflection_system:
   cn: |
     任务：从下面的信息中提取出最重要的最多{num_questions}条{user_name}属性，要求不与已有的{user_name}属性语义重复。
     要求1：{user_name}属性可以是一般的{user_name}偏好，也可以是运动偏好，旅游偏好，饮食偏好等等，也可以是重要事件性质，比如最近重要的事情，也可以是一些高度概括的人生理想，价值观，人生观，性格， 也可以是和朋友的人际关系等等。
@@ -6,7 +6,7 @@ get_reflect_system:
     输出格式：每一行输出一个{user_name}属性，每个{user_name}属性推荐4个字，如果没有信息请回答无，最多输出{num_questions}条。
 
 
-get_reflect_few_shot:
+get_reflection_few_shot:
   cn: |
     示例1
     信息：
@@ -85,7 +85,7 @@ get_reflect_few_shot:
     新增{user_name}属性：
     无
 
-get_reflect_user_query:
+get_reflection_user_query:
   cn: |
     信息：
     {user_query}

memory_scope/memory/worker/summary/get_reflection_worker.py

@@ -40,10 +40,10 @@ class GetReflectionWorker(MemoryBaseWorker):
 
         # gen reflect prompt
         user_query_list = [n.content for n in not_reflected_nodes]
-        system_prompt = self.prompt_handler.get_reflect_system.format(user_name=self.target_name,
+        system_prompt = self.prompt_handler.get_reflection_system.format(user_name=self.target_name,
                                                                       num_questions=self.reflect_num_questions)
-        few_shot = self.prompt_handler.get_reflect_few_shot.format(user_name=self.target_name)
-        user_query = self.prompt_handler.get_reflect_user_query.format(
+        few_shot = self.prompt_handler.get_reflection_few_shot.format(user_name=self.target_name)
+        user_query = self.prompt_handler.get_reflection_user_query.format(
             user_name=self.target_name,
             exist_keys=self.get_language_value(COMMA_WORD).join(exist_keys),
             user_query="\n".join(user_query_list))

memory_scope/storage/llama_index_elastic_search_store.py

@@ -84,6 +84,7 @@ class LlamaIndexElasticSearchStore(BaseVectorStore):
                                             **kwargs)
         self.index = VectorStoreIndex.from_vector_store(vector_store=self.es_store,
                                                         embed_model=self.embedding_model.model)
+        self.index.build_index_from_nodes([TextNode()])
         self.logger = Logger.get_logger()
 
     def retrieve(self,
@@ -106,7 +107,6 @@ class LlamaIndexElasticSearchStore(BaseVectorStore):
 
         if filter_dict is None:
             filter_dict = {}
-
         es_filter = _to_elasticsearch_filter(filter_dict)
         retriever = self.index.as_retriever(
             vector_store_kwargs={"es_filter": es_filter},